Detekce fenologických fází plodin metodami dálkového průzkumu Země

Bc. Chytrý Chytrý

Master's thesis

Detection of phenological phases of crops by methods of remote sensing

Abstract:

Informace o fenologickém vývoji zemědělských plodin jsou zásadní pro přesnější zemědělské hospodaření, úsporu zdrojů a ochranu životního prostředí. Průběžné pozemní pozorování fenologie s vysokým rozlišením na rozsáhlých územích však může být nákladné a časově náročné. Družicová data poskytují možnosti pravidelného odvozování fenologie zemského povrchu v různě velkých prostorových jednotkách. Většina dosavadních studií se zaměřovala na odvození matematicky definovaných fenologických metrik, jako je začátek sezóny, spíše než na ostře definované fáze smysluplné pro zemědělství. Zatím existuje jen malé množství studií na ověření schopností moderních multispektrálních družicových snímků s vysokým rozlišením (např. Sentinel-2) odvozovat detailnější fenologické fáze, a to v rámci jednotlivých polí. Tato diplomová práce se zabývá detekcí sezónních fenologických fází kukuřice pomocí dat Sentinel-2 a rozhodovacího stromu (klasifikátoru Decision Tree) na dvou polích na jižní Moravě. Model pro detekci fenologických fází byl natrénován a otestován na vlastnoručně sbíraných pozemních fenologických datech a dokázal oddělit fenologické fáze v rámci sezóny s relativně vysokou celkovou přesností ~76,96 %. Schopnosti modelu detekovat prostorovou variabilitu fenologie v rámci pole jsou však velmi omezené. Diplomová práce přispěla k výzkumu fenologie zemského povrchu zpracováním komplexní metodiky směřující k modelu pro detekci ostře definovaných fenologických fází, diskusí o hlavních překážkách v řešení a možnostech uplatnění v precizním zemědělství. Výsledky mohou pomoci dalšímu výzkumu fenologie zemědělských plodin na základě satelitních dat. Ten by se měl zaměřit na další plodiny a na pole v různorodých krajinných typech s využitím většího počtu pozemních pozorování.

Abstract:

Information on the phenological development of crops is essential for precising agricultural management, saving resources and the environment. However, continuous observation of ground phenology (GP) at multiple sites can be costly and time intensive. Satellite data provide possibilities to derive land surface phenology (LSP) frequently and across multiple scales. Most studies have been focused on deriving mathematically defined phenological metrics such as the start of the season (SOS), rather than sharply defined, biophysically meaningful phenological phases for agriculture. There is little research on the ability of modern multispectral and high-resolution satellite data, such as Sentinel-2 (S-2), to observe detailed phenological phases at sub-field scale. This diploma thesis deals with the detection of within-season phenological phases of maize using S-2 data and Decision Tree classification on two fields in South Moravia, Czech Republic. A model for detection of phenological phases was trained and tested on locally collected GP data. This model can separate within-season phenology classes with a high overall accuracy of ~76.96%. However, its within-field separation capabilities are limited. The thesis contributes to the LSP research by developing a comprehensive methodology towards a model employing sharply defined phenological phases, discussing the challenges of the study and potential applications in precision agriculture. The results can facilitate further research of LSP, which should also explore other crops and fields in other landscapes using larger number of ground observation sites.

Keywords

fenologie zemského povrchu, satelitní data, Sentinel-2, fenologie kukuřice, rozhodovací strom, analýza hlavních komponent, land surface phenology, satellite data, maize phenology, decision tree, principal component analysis

Language used: English

Date on which the thesis was submitted / produced: 13. 5. 2022

Thesis defence

• Date of defence: 8. 6. 2022
• Supervisor: Ing. Kateřina Tajovská, Ph.D.
• Reader: doc. RNDr. Tomáš Řezník, Ph.D.

Masaryk University

Faculty of Science

Master programme / field:
Cartography and geoinformatics / Cartography and geoinformatics